教学内容 本章讲述模糊控制与传统控制的相互关系、模糊神经网络控制、模糊控制和遗传算法的相互联系与区别、模糊控制与基于知识系统的交叉和融合。 教学重点 重点内容是讲述模糊控制与传统控制的相互关系，模糊系统与神经网络、遗传算法、基于知识的学习系统的相互联系以及交叉融合。 教学难点 对模糊控制与传统控制、神经网络控制、遗传算法以及基于知识的系统的区别和联系的准确把握和理解，学会用发展和联系的观点看待智能控制学科的发展。 教学要求 要求学生基本了解模糊控制与传统控制、神经网络控制、遗传算法以及基于知识的系统的区别和联系。 通过本章的学习，进一步加深对智能控制特点的理解，学会用发展和联系的观点看待智能控制学科的发展，从而培养学生创常新意识和能力，形成正确的工作方法

采用扫描电镜、电子探针和X射线衍射等手段对不同服役时间（原始态、1.5a和6a）Cr35Ni45乙烯裂解炉管内壁的氧化与渗碳机理进行了系统分析.结果表明：高温长时服役后炉管内壁出现了氧化层、碳化物贫化区和碳化物富集区三个区域，其氧化行为包括Cr2O3外氧化和SiO2内氧化，且服役过程中外氧化膜发生反复破坏和重建；炉管服役过程的渗碳行为主要由内表面结焦引起，外氧化膜的反复破坏可以加重渗碳，但外氧化膜在破坏后能自动修复，所以服役态两个炉管的渗碳程度较轻；外氧化膜的反复破坏和重建使亚表层贫铬，导致形成碳化物的临界碳浓度增加，在内壁亚表层形成贫碳化物区，多余的碳原子在其内侧析出，形成碳化物富集区

针对自动化高速公路（Automated highway system，AHS）车队稳定性问题，发展了一种多目标自适应巡航控制算法，根据李雅普诺夫（Lyapunov）稳定性理论对该问题进行了量化分析，并给出了同质与异质车队稳定性的设计要求，基于模型预测控制（Model predictive control，MPC）理论，综合协调驾驶员期望响应、跟驰安全性、车队稳定性、车队整体品质等控制目标， 采用加权二次型性能泛函以及线性矩阵不等式约束的形式，将协同式多目标自适应巡航（Adaptive cruise control, ACC）设计问题最终转化成带约束的在线凸二次规划问题

围绕高炉雷达料面监测系统成像需求，针对高炉雷达测量目标的雷达横截面积（radar cross section，RCS）展开应用研究，首次实现了微波暗室中高炉料线RCS的高精度自动化测量，为高炉雷达目标特性的深入研究奠定了硬件基础.基于比较法测得10 GHz处的焦炭、烧结矿颗粒的RCS典型值分布以及高炉料线散射方向性图，测量动态范围为-10~15 dB.通过RCS测量和成像诊断等方法对工业现场布焦、布矿的雷达回波信号强度差别大等问题进行了探索和分析.模拟工业现场的焦炭、烧结矿等平台加漏斗的料线形状，对散装物料进行了等比例缩小的实际摆放，对典型料线缩比模型进行了合成孔径雷达（synthetic aperture radar，SAR）成像验证，并深入分析了成像缺失和成像误差原因，得知漏斗部分在低频情况下成像效果不理想，需要提高测试频段；利用标准球模拟料线分析成像误差，方位向和距离向绝对误差在1.2%和5.8%以内，暗室内方位向测量误差不超过±0.01 m

医生诊断需要结合临床症状、影像检查等各种数据，基于此，提出了一种可以进行数据融合的医疗辅助诊断方法。将患者的影像信息（如CT图像）和数值数据（如临床诊断信息）相结合，利用结合的信息自动预测患者的病情，进而提出了基于深度学习的医疗辅助诊断模型。模型以卷积神经网络为基础进行搭建，图像和数值数据作为输入，输出病人的患病情况。该医疗辅助诊断方法能够利用更加全面的信息，有助于提高自动诊断准确率、降低诊断误差；另外，仅使用提出的医疗辅助诊断模型就可以一次性处理多种类型的数据，能够在一定程度上节省诊断时间。在两个数据集上验证了所提出方法的有效性，实验结果表明，该方法是有效的，它可以提高辅助诊断的准确性

针对巴西圆盘荷载接触条件对巴西劈裂试验影响的问题，采用声发射监测系统开展线/非线荷载接触条件下低孔隙率砂岩巴西劈裂试验。直径为50 mm，厚度为25 mm的标准巴西圆盘按照同一种传感器三维布设方式布置8个Nano30传感器。在相同的荷载速率下，声发射监测Richter8系统对线/非线荷载两种荷载条件下的巴西圆盘进行准静态加载的波形信号连续记录。通过P波自动到时及网格坍塌搜索算法进行定位，在线/非线荷载条件下分别有1131和931个声发射事件被成功定位。圆盘的起裂位置均在圆盘非中心位置，对于非中心起裂的试验值可能低估了巴西抗拉强度。裂纹下半球极点密度投影分析表明，非线荷载条件下破裂面的局部扭曲程度大于线荷载。试样三维损伤演化结果表明，圆盘所受荷载面积大小，显著影响圆盘损伤累计的时间、释放能量的大小和裂纹扩展的稳定性。对有效声发射定位事件进行矩张量分解获取了两种荷载条件下各向同性部分（ISO）、纯双力偶（DC）和补偿线性矢量偶极成分（CLVD）频率百分比，并采用微裂纹破裂类型分类方法来定量分析震源机制，结果表明巴西劈裂对荷载条件并不敏感，两者均可以解释为近似平行于荷载方向上的张拉裂纹的萌生、扩展及贯通

融合手工特征和深度特征，提出了一种集成超限学习机心跳分类方法。手工提取的特征明确地表征了心电信号的特定特性，如相邻心跳时间间隔反映了心跳信号的时域特性，小波系数反映了心跳信号的时频特性。同时设计了一维卷积神经网络对心跳信号特征进行自动提取。基于超限学习机（Extreme leaning machine，ELM），将上述特征融合进行心跳分类。由于ELM初始参数的随机给定可能导致其性能不稳定，进一步提出了一种基于袋装（Bagging）策略的多个ELM集成方法，使分类结果更加稳定且模型泛化能力更强。利用麻省理工心律失常公开数据集对所提方法进行了验证，分类准确率达到了99.02%，实验结果也表明基于融合特征的分类准确率高于基于单独特征的分类准确率

针对自动化高速公路（Automated highway system，AHS）车队稳定性问题，发展了一种多目标自适应巡航控制算法，根据李雅普诺夫（Lyapunov）稳定性理论对该问题进行了量化分析，并给出了同质与异质车队稳定性的设计要求，基于模型预测控制（Model predictive control，MPC）理论，综合协调驾驶员期望响应、跟驰安全性、车队稳定性、车队整体品质等控制目标，采用加权二次型性能泛函以及线性矩阵不等式约束的形式，将协同式多目标自适应巡航（Adaptive cruise control, ACC）设计问题最终转化成带约束的在线凸二次规划问题。仿真结果表明，相比单车ACC而言，协同ACC的约束空间更为严苛，车队互联系统稳定性易受车间时距、车队规模、多目标权重、瞬态工况、车辆异质性等因素的影响，建议在跟驰安全性、车队稳定性良好的前提下寻求一定的驾乘舒适性与燃油经济性，以确保车队整体品质

本章研究一类模型不确定的非线性系统控制的技术，即滑模控制技术。 模型不确定性产生于实际系统的不确定性或者因为有目的的简化了系统动态，分为结构不精确性及无结构不精确性两类不确定模型。解决结构不精确性模型的稳定性有效方法是采用鲁棒控制，鲁棒控制器的典型结构是由标称部分和用于处理模型不精确性的附加项组成。鲁棒控制的一个简单的方法就是滑模控制技术。 • 首先，本章讨论处理匹配条件下的鲁棒控制。 • 其次，介绍Lyapunov再设计和连续型控制器 • 最后，我们通过滑模控制在风力发电中的应用结束本章内容。 8.1 滑模控制 8.1.1 问题引入 8.1.2 滑模面设计 8.2 抖动现象 8.3 滑模控制在风力发电中的应用

在传统的Web网站中，网页的布局往往由网页制作人员安排并很少变化。为了更好的为网络用户提供服务，提出通过对Web日志的数据清洗，识别出每个用户在一个会话期内访问的页面，依据网页内容在逻辑上的关系和用户经常访问的页面，得到用户对网页内容的兴趣度矩阵及各子项目的兴趣度矩阵。对网络用户根据兴趣度矩阵进行层次化的分类，得到每个用户所属的类别。当用户访问网站时，根据该用户所属的类别进行网页布局的自动调整，让用户能够方便、快捷地访问到自己感兴趣的页面。这样能够给每个用户提供更加个性化、柔软的服务，增加了网站的服务效果和用户对于网站的信赖，避免用户迷失在海量数据中